Un coup d’oeil sur la situation de différentes professions en France…

# qq packages nécessaire à l'analyse
library(tidyverse)
library(rmarkdown)    # You need this library to run this template.
library(epuRate)      # Install with devtools: install_github("holtzy/epuRate", force=TRUE)
library(plotly)       # To transform a ggplot in an interactive graph
library(htmlwidgets)  # To save the interactive graph as an html file
library(hrbrthemes)   # To improve the appearance of the ggplot Graphic
library(ggrepel)      # A clean way to annotate the graphic without overlapping
library(DT)

1 Source

L’enquête SUMER contient, pour chaque personne interrogée, une question sur le nombre de soirées, de nuit, de samedi et de dimanches travaillés dans l’année. Chaque « évènement » de travail atypique est affecté d’un score, dont le cumul forme un score individuel d’exposition aux horaires atypiques, le score de groupe étant simplement la moyenne des scores individuels.

L’enquête contient une autre série de question sur la prévisibilité des horaires de travail. Plus l’horizon de prévisibilité des salariés est élevé (plus ils connaissent leurs horaires de travail à l’avance), plus le score d’imprévisibilité est faible.

Chargement du jeu de données propre:

data <- read.csv("batypik.dms")

2 Graphique statique

Ces scores n’ont pas de valeurs en soient, ils permettent seulement de positionner les différentes professions (représentées par les catégories INSEE) les unes vis-à-vis des autres. Les effectifs sont donnés à titre purement indicatifs : la pondération de l’enquête SUMER n’est pas faite en fonction des différents groupes socio-professionnels et ne les reflètent qu’imparfaitement.

# Recode a few profession for the annotation
data$psl <- recode(data$psl, 
       `Conducteurs qualifiés d'engins de transport guidés` = "Conducteurs de train",
       `Agents civils de sécurité et de surveillance` = "Agents de sécurité",
       `Autres agents et ouvriers qualifiés (sédentaires) des services d'exploitation des transports` = "Cheminots",
       `Contrôleurs des transports (personnels roulants)` = "Controleurs",
       `Pompiers (y.c. pompiers militaires)` = "Pompiers",
       `Assistantes maternelles, gardiennes d'enfants, familles d'accueil` = "Assistantes maternelles"
        )
data$col <- recode(data$col, 
       `cadres et professions intermédiaires` = "cadres et prof. intermédiaires",
        )

p <- data %>%
  ggplot(aes(x = m.previs, y = m.atypik, color=col )) +
    geom_point( aes(size=eff), alpha=0.9) +
    ylab("exposition aux horaires atypiques") +
    xlab("score moyen d'imprévisibilité des horaires") + 
    guides(size=FALSE) +                                                        #suppression de la légende pour la taille des groupes pro
    labs(
      title="Horaires de travail pour chaque type de profession en France",
      subtitle="Comment se positionnent les professions du rail?",
      caption="Source: enquête SUMER | Réalisation: Antoine Rouillard-Pérain",
      colour="Catégorie") +
    geom_text_repel( data=data %>% filter(m.previs>90 | m.atypik>150 | col=="professions du rail"), aes(label=psl)) +
    theme_ipsum()

p

Sauvegarde au format png

png("FrenchWorkingTime.png", width=750, height=600)
p
dev.off()

3 Graphique dynamique

Ce graphique permet de:

# Ajoute une colonne avec le texte du tooltip
data$text <- paste("profession: ", data$psl, "\n", "effectif: ", round(data$eff,0), "\n", "score imprévisibilité: ", round(data$m.atypik,0), "\n", "score horaire atypique: ", round(data$m.previs,0), sep="")

# Redo the static version
p <- data %>% 
  ggplot(aes(x = m.previs, y = m.atypik, size=eff, color=col, text=text )) +
    geom_point(alpha=0.9) +
    ylab("exposition aux horaires atypiques") +
    xlab("score moyen d'imprévisibilité des horaires") + 
    guides(size=FALSE) +                                                        #suppression de la légende pour la taille des groupes pro
    labs(
      title="Horaires de travail pour chaque type de profession en France",
      subtitle="Le théatre d'une illusion",
      caption="Source: enquête SUMER | Réalisation: Antoine Rouillard-Pérain",
      colour="Catégorie") +
    theme_ipsum()

widg <- ggplotly(p, tooltip="text")
widg

Export de la figure en un format html:

saveWidget(widg, file = "FrenchWorkingTime.html", selfcontained = TRUE)

4 Tableau de données

Ce tableau permet de rechercher une profession en particulier

tmp <- data %>% 
  select(-text, -col) %>%
  mutate( eff=round(eff,0), m.atypik=round(m.atypik,0), m.previs=round(m.previs,0) )
colnames(tmp) <- c("Catégorie", "Profession", "Effectif", "Score horaire atypique", "Score horaire imprévisible")
datatable( tmp, rownames = FALSE, filter="top", options = list(pageLength = 15, scrollX=T) )
 

A work by Yan Holtz

Yan.holtz.data@gmail.com